mhsung91의 등록된 링크

 mhsung91로 등록된 네이버 블로그 포스트 수는 52건입니다.

미국 통신사, 유심 추천 [내부링크]

2019년의 포스팅을 보고싶다면, https://blog.naver.com/mhsung91/221558257185 미국 유심 통신사 추천 - Mint Mobile 미국 들어오던 날, 공항에서 티모바일 유심을 샀다. 곧바로 사용할 수 있어 편리하긴 했으나, 생각보다 비... blog.naver.com 민트 모바일을 사용한 지 벌써 만 4년이 다 되어간다. 네 번째 리뉴를 앞두고, 통신사를 고민해볼까(?) 하다가 그냥 민트를 쭉 사용하기로. 그만큼 너무나 만족하면서 사용 중이기 때문이다. 이렇게 인플레이션이 심한데도 민트는 요금을 올리지 않았다. 4년 전에도 무척이나 저렴한 가격이었는데, 그 동안 한 번도 변하지 않았으니 지금 기준으로 봤을 때 더더욱 저렴해진 것이다. 처음 미국에 들어왔을 땐, 공항에서 구매한 유심으로 T-mobile을 사용했었다. 하지만 동네에 따라서 인터넷이고 전화고 안통하기 일쑤였다. 메이저 통신사가 비싸기만 하고 도대체 왜 이래?!? 싶어서 무척이나 화가 났었다

미국 간호와 한국 간호의 다른 점 [내부링크]

처음에 미국에 와서 간호사로 일을 시작할 때, 걱정도 많고 긴장도 됐다. 병원이나 간호 시스템도, 함께 일하는 사람도, 환자도, 문화도, 언어도 다 다르니까 과연 내가 잘 해낼 수 있을까 싶었다. 더군다나 처음에는 보통 에이전시 널스로 일을 시작하기 때문에, 오리엔테이션을 길게 받을 수 없다. 보통 3일, 길게 받아도 5일 정도니 그 사이에 열심히 프레셉터를 따라다니며 모든 걸 익혀야 한다. 미국 간호와 한국 간호의 다른 점은 굉장히 많겠지만, 오늘 얘기하고 싶은 것은 바로 '전문성'이다. 간호사의 능력이나 지식 측면에서가 아니라, 간호 업무와 환경, 시스템, 그리고 사람들의 인식적인 면에서. 미국 간호사는 한국 간호사보다 훨씬 전문직으로 대우받고 또 간호사도 그렇게 일을 한다. 물론 지역마다, 병원마다, 유닛마다 다를 수 있으니 일반화를 할 수는 없다. 하지만 내가 경험한 바로는 그랬다. 서울의 대학병원 두 군데, 뉴욕의 대학병원 두 군데에서 총 6년간 중환자실 간호사로 일했는데

Supervised Machine Learning, Evaluating Performance Classification Concepts [내부링크]

Supervised learning altorithms are trained using labeled examples, such as an input where the desire output is known. Data Acquisition -> Data Cleaning : clean and format (using Pandas) -> Test Data / Training Data -> Model Training & Building -> Model Testing : run the test data, compare, adjust model parameters -> Model Deployment Data often splits into 3 sets instead of 2 Training Data : used to train model parameters Validation Data : used to determine what model hyperparameters to adjust Te

Evaluating Performances - Regression Error Metrics [내부링크]

Regression is a task when a model attempts to predict continuous values (for categorical values - classification). most common evaluation metrics for regression; Mean Absolute Error (MAE) : the mean of the absulute values of errors. won't punish large errors. Mean Squared Error (MSE) : larger errors are noted more than MAE, making MSE more popular. but it squares the units itself not only the differences, so we use RMSE Root Mean Square Error (RMSE) : root of MSE. the most popular.

Machine Learning with Python - Scikit Learn [내부링크]

conda install scikit-learn or pip install scikit-learn Every algorithm is exposed in scikit-learn via an "Estimator". from sklearn.linear_model import LinearRegression after creating a model, split data into 2 or 3 from sklearn.cross_validation import train_test_split X_train, X_test, y_train, y_test Then, train/fit model on the training data for supervised learning applications, the estimators accept 2 arguments: the data X and the labels y model.fit(X_train, y_train) for unsupervised learning

10월 첫째주, 뉴저지 바닷가 [내부링크]

9월의 마지막 주, 목요일 금요일에 필립은 휴가를 신청했다. 그래서 우리는 긴 주말동안 여러가지를 하며 즐겼다. 목요일 아침엔 일찍 일어나 요가를 하러 갔다. 아침 아홉시에 요가를 하고, 열 시에 홀푸드에서 햇살을 받으며 커피와 데니시를 먹고 있으니 일하지 않는 자의 삶이란 이렇게 여유롭고 빛나는 것이구나, 싶어 기분이 너무 좋았다. 집에 오니 급 피곤해져서 낮잠을 늘어지게 잤다. 오후 느지막히 일어나 계획한대로 바다를 보러 출발했다. 늦은 시간이라 이른 퇴근과 맞물려 차가 꽤 막혔다. 휴게소에 들러야만 했는데, 내가 여태 본 미국 휴게소 중에 가장 깨끗하고 가장 사람이 많았다. chickfil-a, chipotle, starbucks 등이 있는 가운데 BTS 노래가 익숙하게(?) 들려서 이상했다. 여섯시가 조금 안 된 시간에 드디어 바다에 도착했다. 이런 바닷가는 얼마 만인지. 사람이 붐비는 유명한 해변이 아니라 더욱 좋았다. 약간 쓸쓸한 듯, 쓰러져가는 나무 울타리와 갈대, 갯벌

뉴욕/뉴저지에서 찜질방 가기 - 킹스파, 소조스파, 아일랜드 스파 리뷰 [내부링크]

뉴욕, 뉴저지엔 한국식 찜질방이 몇 개 있다. 역시 한인 인구가 많은 지역 중 하나라 이런 특혜를 누릴 수 있는 것 같다. 하지만 찜질방에 가면, 한인 뿐 아니라 현지인들 또한 많이 방문하는 걸 볼 수 있다. 한류가 인기있는 덕분에 방문자가 늘었는지, 원래도 많았는지 궁금하다 ㅎㅎ 아무튼 뉴욕, 뉴저지 지역에서 한국 비지니스가 잘 되는 것을 보면 기분이 좋다. 뉴저지 킹스파는 미국 내 한국 찜질방의 원조같은 느낌이다. 인테리어와 분위기가...... 나랑 필립은 사우나, 찜질방을 되게 좋아한다. 보통은 집에서 가장 가까운 (차타고 10분 거리) 뉴저지 팰리사이드팍의 킹스파(King Spa)를 가는데, 거의 미국 찜질방계의 시조이지 않을까 싶다. 그만큼 오래됐고 사람이 항상 많다. 오래됐다는 건... 한국에서 찜질방이 처음 유행하던 2000년대 초의 황토방 인테리어를 여기서 그대로 볼 수 있다는 뜻이다. 나름대로 정감이 가는 인테리어다 ㅎㅎ 이젠 한국에서도 찾아보기가 힘들. 그래서인지

Data Science related terms [내부링크]

Analysis : uses past data to explain how and/or why something happend, separates a dataset to understand/study easily and individually, then examine how they relate to others Analytics : refers to the future, explore potential future events it branches into qualitative(intuition and analysis) and quantitative(formulas and algorithms) Analytics includes analysis in some aspects. Data science is a discipline reliant on data availability, while Business analytics does not completely rely on data. D

Data Science fields [내부링크]

by 365 careers Data Science infographic <Data> Well organized and relevant data, stored in digital format that can be processed and transformed to retrieve meaningful and useful information is essential for data-driven decision making. Data collection (of raw data) -> Data processing -> Information Processing : to correct incorrect/invalid data by class labeling, cleansing, dealing with missing values, balancing, and/or shuffling/randomizing datasets. Big data : data which is large in volume(dis

[Python] Seaborn - style and color [내부링크]

Signature: sns.set_style(style=None, rc=None) style : dict, None, or one of {darkgrid, whitegrid, dark, white, ticks} 스타일을 지정하고 플랏을 그린다. darkgrid는 회색 배경에 그리드(격자)가 표시 whitegrid는 흰색 배경에 그리드 dark는 회색 배경에 그리드 없음 white는 흰색 배경에 그리드 없음 ticks는 다 없음 despine(left = T/F, bottom= T/F) 은 스파인(가로축, 세로축 테두리)를 없앨 수 있게 해준다. figure size 정할때는 matplotlib을 써도 된다. plt.fiture(figsize=(x축크기, y축크기)) Context를 설정해서 폰트 사이즈를 바꿀 수 있다. paper, notebook, talk, poster 네 가지 옵션이 있고, 추가로 font_scale= 해서 더 바꿔줄 수 있음. Signature: sns.set

[Python] Built-in Data Visualization [내부링크]

import numpy as np import pandas as pd df = pd.read_csv('df') <df의 'col' 변수의 히스토그램을 만드는 세 가지 방법> df['col'].hist() df['col'].plot(kind='hist', bins=30) df['col'].plot.hist() <여러가지 종류의 그래프> df.plot.area df.plot.barh df.plot.density df.plot.hist df.plot.line df.plot.scatter df.plot.bar df.plot.box df.plot.hexbin df.plot.kde df.plot.pie kde plot, 라인을 굵게 하고 스타일을 점선으로 0~30까지의 값(x축)만 확대, 모든 변수의 area plot Legend를 옮기는 방법 plt.legend(loc='center left', bbox_to_anchor=(1, 0.5)) loc은 stri으로 넣어도 되지만 숫자로 넣어도 된

[Python] Plotly & Cufflinks [내부링크]

Plotly는 interactive visualizaion 오픈소스 라이브러리이다. 다음은 아나콘다 홈페이지의 설명 plotly.py is an interactive, open-source, and JavaScript-based graphing library for Python. Built on top of plotly.js, plotly.py is a high-level, declarative charting library that includes over 30 chart types, including scientific charts, 3D graphs, statistical charts, SVG maps, financial charts, and more. https://anaconda.org/plotly/plotly Cufflinks는 plotly와 pandas를 연결해준다. 먼저 설치가 필요하다. 설치를 위해서는 커맨드창을 열어준다. pip install plotly pip i

미국에서 한국 책 보기 - 반디북US, 전자책도서관 [내부링크]

아프리카 말라위의 NGO에 일 년간 근무하러 가기 전, 가장 신경써서 준비했던 것이 바로 이북 리더기였다. 길고 긴 시간, 전기도 제대로 없을 그 곳에서 책이라도 열심히 읽기 위해서. 생각보다 많이 읽지는 못/않았던게, 생각보다 일이 바쁘기도 했고 또 그 당시 이북리더기에서 전자책도서관 연동이 꽤나 복잡하고 귀찮았기 때문이다. 그 때는 이북리더기에서 각 지역의 전자책도서관에 직접 접근할 수가 없었다. 그래서 한 방법은 - 교보문고 전자책도서관 앱을 다운로드받아서, 거기서 지역 도서관으로 접근한 다음에 책을 고르고 다운로드 받아야만 열어서 읽을 수 있었던 것같다. 그래서 귀찮아서 거의 하지 않았고, 정 읽고싶은 책이 있는데 찾기 귀찮으면 그냥 전자책을 제 돈 주고 사서 봤었지. 그런 다음 밀리의 서재나 리디북스 등의 정기 결제 멤버십 서비스가 나왔었다. 아니 이런 좋은 일이! 한 달에 만 원만 내면 내가 원하는 책을 얼마든 언제든 읽을 수 있다니. 미국에 이민오면서 서비스를 가입하고

[Python] HTML 표를 csv로 저장하기 [내부링크]

웹 스크래핑을 해도 되지만, pandas의 아주 간단한 기능으로 이 작업을 수행할 수 있다. 일단 pandas를 불러온다. import pandas as pd 읽고싶은 웹페이지 주소를 가져온다. pd.read_html("https://www.어쩌고저쩌고") 를 dfs로 저장한다. dfs = pd.read_html("https://www.어쩌고저쩌고") 한 페이지에 표가 여러개 있을 수 있다. pandas는 그걸 모두 읽어온다. 몇 개 가져왔나 보기 위해 len(dfs)를 해본다. 아래 예시의 경우엔 19개가 나왔다. 그럼 내가 원하는 표가 몇 번째인지 어떻게 알까? 대충 찍어본다. dfs[n].head() 로 데이터를 확인해본다. 내 경우엔 n=2였다. 이제 원하는 테이블만 csv 파일로 저장해보겠다. dfs[2].to_csv("원하는 이름.csv") 하면 기존 디렉토리로 저장이 된다. 기존 디렉토리를 바꾸고 싶다면? 다음 포스팅 참조 부탁 https://blog.naver.com/

[Python] 시작 디렉토리 바꾸기 [내부링크]

Jupyter를 사용해서 여러가지 프로젝트를 하고 파일을 만들면, 도대체 그 파일이 어디에 저장되어있는지 궁금할 때가 있다. 찾아봐야 할 때도 많고. 또 파일을 불러올 때 저장 디렉토리를 일일이 복사 붙여넣기를 하는 것도 일이다. 그래서 시작 디렉토리를 바꿔주기로 했다. 일단, cmd를 연다. jupyter notebook --generate-config 를 치면 초기 디렉토리가 나올 것이다. 그럼 여기 흰 색으로 표시된 부분을 복사, 아무 폴더나 넣어서 주소창에 붙여넣기를 한다. 저 디폴트 폴더에는 'jupyter_notebook_config.py' 라는 파일이 있겠지. 저 파일을 메모장으로 읽어준다. 그런 다음 _dir 을 찾는다. 그 뒤에 기존의 ''를 지우고 원하는 디렉토리를 넣는다. 나는 그냥 바탕화면에 'Python Project'라는 폴더를 만들고 그걸 지정해주었다. 이제 주피터 노트북에서 파일을 디렉토리 없이 그냥 이름으로만 저장하면, 바로 저 폴더에서 찾아볼 수 있다

[Python] choropleth 지도 그리기 [내부링크]

드디어 기다리고 기다리던 지도 그리기! 일단, 데이터를 먼저 정리해보자. 지난 포스팅에서 봤듯 위키디피아에서 Asian Population을 가지고 왔다. https://blog.naver.com/mhsung91/222887061668 [Python] HTML 표를 csv로 저장하기 웹 스크래핑을 해도 되지만, pandas의 아주 간단한 기능으로 이 작업을 수행할 수 있다. 일단 pandas를 불... blog.naver.com 데이터 가지고 오기. import pandas as pd df = pd.read_csv('Asian_Population.csv" df.head() 해보면 대략 다음과 같은 데이터임을 알 수 있다. Countries의 오름차순으로 데이터를 정렬해주고 싶다. df.sort_values('Countries', inplace = True) 그리고 df.info()로 데이터 요약을 본다. 이 때 Population 변수의 데이터 타입이 object인 것을 발견, fl

미국에서 수표 사용하기 2 [내부링크]

바로 이전 포스팅에서 체크(수표)를 쓰는 법을 정리해봤다. 이제 더욱 중요하게, 체크를 받는 법을 정리해보자. 이렇게 체크를 받았다면, 주는 사람 정보, 주는 사람의 은행, 받는 사람(내 이름이어야겠지?), 금액 등의 정보를 알 수 있다. 위의 체크 예시에서 보자면 Hon. Gerald R. Ford라는 사람이 (무려 미국 대통령) 1975년 1월 13일에 쓴 878번 체크인데, Presiding Bishop, Episcopal Church를 받는 사람으로 해서 $25불을 보내는 내용이다. 은행은 The first national bank of Washington이고 world hunger relief를 위해서 보내는 헌금이었나보다. 메모란은 써도 되고 안써도 된다. 그리고 마지막에 보내는 사람의 서명이 있다. 내가 저 체크를 받는 사람이었다고 해보자. 25불은 내 계좌로 입금시키기 전까지는 아직 내 돈이 아니다. 내가 저 체크에 서명을 하고 내 은행에 가져다 줘서, 내 은행이 저

[Python] Data Visualization - Matplotlib [내부링크]

Matplotlib는 파이썬의 데이터 비쥬얼라이제이션을 위해 가장 많이 쓰는 라이브러리이다. matplotlib.org 에서 gallery에 가면 가능한 그래프와 코드들을 볼 수 있다. conda install matplotlib import matplotlib.pyplot as plt %matplotlib inline # jupyter notebook에서 바로 결과물을 보여주기 위함. 만약 다른 디렉토리를 쓴다면 plt.show() 하면 print처럼 보여줌(out이 아니라) import numpy as np x = np.linspace(0,10,21) y = x**2 1번 방법 2번 방법 Object Oriented로, object을 먼저 설정해주고 설정을 더해주는 코딩 방법. axes 안에는 리스트 형식으로 [x축 왼쪽 몇 퍼센트에서 시작하는지, y축 아래, 넓이, 높이] 로 모두 0~1 사이 숫자 퍼센트로 들어간다. 여러 숫자를 넣어보고 가늠해본다. 여러 개 그래프를 동시에

[Python] Seaborn - Distribution plots [내부링크]

Seaborn은 통계를 그래프로 표현하는 라이브러리로, pandas dataframe과 잘 맞는다. https://seaborn.pydata.org/ seaborn: statistical data visualization — seaborn 0.12.0 documentation seaborn: statistical data visualization Seaborn is a Python data visualization library based on matplotlib . It provides a high-level interface for drawing attractive and informative statistical graphics. For a brief introduction to the ideas behind the library, you can read the introductory notes o... seaborn.pydata.org conda install seaborn

[Python] Seaborn - Categorical Plots [내부링크]

conda install seaborn import seaborn as sns %matplotlib inline tips = sns.load_dataset('tips') # tips라는 빌트인 데이터셋을 불러오기 <countplot> 한 가지 변수 인풋, y축은 카운트 <barplot> 범주형 변수를 막대그래프로 보여줌. sns.barplot( x= , y= , data= ) estimator= 무엇을 표현할건지를 설정, 디폴트는 평균값 < boxplot, box-and-whisker plot> 범주형 변수에 따른 연속형 변수의 분포를 보여줌. 범위를 벗어나는 'outlier'도 한 눈에 볼 수 있는 것이 특징. sns.boxplot(x= , y= , data= ) hue= 또 다른 범주형 변수대로 데이터를 분류해준다. 예시의 x축은 날짜인데, hue를 성별로 넣어 각 날짜별 total_bill의 성별 간 차이도 한 눈에 볼 수 있다. 재밌게도 금요일에 특히 성별차이가 두드러진다.

[Python] Seaborn - Matrix Data, Scale Normalization [내부링크]

conda install seaborn import seaborn as sns %matplotlib inline tips = sns.load_dataset('tips') # tips라는 빌트인 데이터셋을 불러오기 flights = sns.load_dataset('flights') # flights라는 빌트인 데이터셋 불러오기 tips.corr() 하면 tips 데이터셋의 모든 가능한 (연속형) 변수들끼리 상관관계를 분석한다. 그럼 행, 열이 모두 변수인 dataframe (Matrix)가 나오겠지. 이를 시각화할 때 오늘 알아볼 방법들을 사용 가능하다. 가장 첫 번째, <heatmap> heatmap(df) annot=T or F # 실제 데이터에 값을 쓸지 cmap= # 컬러 포맷 flights라는 빌트인 데이터셋을 가지고 와서, y축은 월, x축은 연도면서 데이터는 승객 숫자인 피벗 테이블을 만든다. 그 피벗 테이블을 heatmap으로 표현하면 다음과 같다. 연도가 높을수록, 여

미국에서 장보기 [내부링크]

어릴 때부터 주말이면 엄마랑 이마트에 장보러 가는 것이 루틴이었기 때문일까, 나는 시장가는 것을 꽤 즐기는 편이다. 라고 생각했다. 그것이 일이 되기 전까진...... 미국에 와서 지금까지도 잘 적응이 되지 않는 것은, 한국처럼 여기 오면 다 있어요, 편하게 쇼핑하세요 하는 한 장소가 없다는 것이다. 사회 구성원이 워낙 제각각 다양하고 다이나믹해서 그런 것이겠지만, 각 가게마다 정체성이 뚜렷한 만큼, 있는 것과 없는 것이 천차만별이다. 그래서 내가 필요한 것들을 사려면 여러 군데를 돌아다녀야 한다. 예를 들면 이렇다. 한인들의 넘버원인 H mart를 간다고 치자. 김치며, 한국 식품, 뭐 봐줘서 과일, 야채까지 샀다. 그런데 나는 우유나 계란, 두부같은건 유기농을 사고 싶다. 그러니 whole foods를 간다. 맨하탄 whole foods는 고기도 매우 신선했는데, 이상하게 뉴저지는 그렇지가 않더라. H mart 고기도 별로다. 그래서 정육점에 간다. 그런데 물, 휴지, 샴푸같은건

[Python] Seaborn - PairGrid, FacetGrid [내부링크]

import matplotlib.pyplot as plt # matplotlib 불러오기 import seaborn as sns # seaborn 불러오기 %matplotlib inline # 그래프가 곧바로 프린트되도록 설정 iris = sns.load_dataset('iris') # iris라는 빌트인 데이터셋 이용할 것 tips = sns.load_dataset('tips') # tips라는 빌트인 데이터셋도 이용할 것 <PairGrid> PairGrid 는 데이터셋의 모든 변수들 간의 관계를 한 번에 보는 pairplot과 비슷한데, 조금 더 나아가 각 그래프 형식을 지정할 수 있다는 장점이 있다. g = sns.PairGrid(iris) # iris 데이터셋을 이용, PairGrid를 만들어서 g로 저장 g.map_diag(sns.distplot) # pairgrid의 대각선을 seaborn의 distplot (히스토그램)으로 설정 g.map_upper(plt.scatter

명상 다이어리, 52개의 질문들, 마음과 생각 뒷편의 참된 나를 발견하기 [내부링크]

일 년 전에 읽었던, 마이클 싱어의 [상처받지 않는 영혼]을 다시 펼쳤다. 나름 밑줄 그으며 열심히 읽었던 모양이지만, 그 문장들이 생생히 살아나지는 않았다. 다만 그 동안의 변화와, 요새의 내 마음 상황에 맞추어 또 한 번의 감상이 새롭게 찾아왔다. 다시 읽다가, 필립도 함께 읽으면 좋을 것 같아 영어책도 주문했다. 표지가 비슷한 듯 다른듯. 오늘 책장을 보다가, 명상 다이어리를 발견했다. 다른 책의 부록인 줄 알았는데, 이 책의 것이었다. 일 년 전의 나, 이 책이 되게 맘에 들었었나보다. 52개의 질문들에 매 년 한 번씩, 총 다섯 번의 대답을 적을 수 있게끔 되어 있다. 그런데 가장 첫 질문에만 한 줄 답변을 했을 뿐, 다이어리는 아주 새 것이다. 역시 나란 녀석... 가장 첫 페이지의 문구는 이것이다. '진정한 성장을 위해서는 당신이 마음의 소리가 아님을, 당신은 그것을 듣는 자임을 깨닫는 것보다 더 중요한 것은 없다.' 마이클 싱어의 명상 다이어리 거기 따른 질문은, '요

[Python] Seaborn - Regression Plot [내부링크]

import seaborn as sns %matplotlib inline tips = sns.load_dataset('tips') sns.lmplot(x= , y= , data= ) grid 처럼, col과 row에 따라 여러 그래프로 나눠서 그려보기 점심/저녁(time), 요일(day)에 따라 다른 남녀(sex)의 total_bill과 tip의 회귀분석

[R] Data visualization - Histogram & Barplots [내부링크]

ggplot2는 R에서 데이터 비쥬얼라이제이션을 위해 가장 많이 사용되는 패키지이다. 데이터를 그래프나 여러 형식으로 보기 좋게 표현하기 위해서는 옵션들이 필요하다. 이걸 코딩할 때 layer들을 쌓아나간다고 생각. data + aesthetics + geometries (+ facets + statistics + coordinates + theme) 순서대로 생각한다. 일단 가장 중요한 것은 앞의 세 부분, data + aesthetics + geometrics 이고 나머지 괄호 안의 부분은 천천히 더 알아보자. 다음과 같은 순서로 템플릿 쌓아가기 이번 포스팅에서는 그래프 종류별 - histogram, scatterplots, barplots, boxplots 중 Histogram과 barplots를 먼저 알아보겠다. 가장 먼저 패키지 설치하고 불러오기 install.packages('ggplot2') library(ggplot2) Histograms # Data & Aesthet

[R] Data visualization - Scatter plots [내부링크]

Scatterplots - 연속형 변수 둘 사이 데이터를 산포도로 표현. # Data + Aesthetics layer pl <- ggplot(mtcars, aes(x = wt, y = mpg)) # mtcars 데이터의 wt 변수를 x축으로, mpg 변수를 y축으로 # Geometry pl2 <- pl + geom_point() # Scatterplots(산포도)를 만드는 geom_point() Cheat Sheet을 보면 나와있는 정보, 포스팅 하단 참조 즉, geom_point()에서는 괄호 안에 alpha, color, fill, shape, size, stroke의 옵션/기능을 지정해 줄 수 있다. alpha = 0~1 # 투명도 size = 정수 # 흩어진 점의 크기 aes(size = var) # 또 다른 변수 var에 따라 점의 크기 다르게. 즉, 세 가지 변수를 하나의 그래프에 표현. aes(size = factor(var)) # var이 범주형 변수일 경우에 사용.

9월 둘째주, 한양대 뉴욕 동문회 [내부링크]

어제는 뉴욕/뉴저지 한양대 동문회가 있는 날이었다. 원래는 한 달에 한 번, 주니어 모임에 나가는데 어제는 시니어 & 주니어 모임이었다. 나는 작년부터 나가기 시작해서 시니어 선배님들을 뵌 것은 처음이었다. 한남체인 돌 식당에서 모였는데, 식당 한 쪽 편을 가득 채운 인원에 깜짝 놀랐다. 코로나 전 언젠가의 연말 모임에 150여 명이 모였었다는 얘기가 실감이 났다. 주니어 모임이지만 나오시는 분들은 거의 이모, 삼촌 뻘이시다. 그만큼 수십년 전 이민오셔서 가정과 사업을 이루고 자리잡으신 분들이다. 하지만 '내가 어른이다'하는 마인드가 아무도 없으시고, 서로서로 잘 챙겨주시는 모습이 너무나 따뜻하다. 서로를 존중하며 농담도 얼마나 재밌게들 하시는지. 나는 미처 따라가지 못해 그저 끄덕거리고, 시간 가는 줄 모르고 웃다가 오곤 한다. 어제 식사비를 다 내주신 시니어 선배님은, 후배더러 인사를 시킬 수 없다며 먼저 우리 테이블에 오셔서는, 여기 해물찜에는 꼭 비빔밥을 먹어야 한다며, 직접

[R] Data Visualization - Boxplots [내부링크]

Boxplots, or Box and Whisker plot/diagram은 여러가지 정보를 한번에 표현하기 좋아서 자주 쓰이는 그래프 표현 방식이다. 최소값, 25%, 50%, 75%, 최대값 뿐 아니라 outliers 들을 한 눈에 파악하기 좋다. ggplot(df, aes(x = 범주형 변수, y = )) + geom_boxplot() + coord_flip() # box들을 가로로 변경 ex)

[R] Data Visualization - 두 개 연속변수의 관계 [내부링크]

두 개 연속 변수의 관계를 보기 위한 그래프로 여러 가지가 있는데 그 중 산포도가 있다. 점의 갯수로 분포를 판단하므로 두 변수 간 관계를 보기에는 쉽지만, 점의 밀도를 보기에는 어려운 점이 있다. 1) bin2d # 산포도의 점 대신 사각형의 bin으로 두 변수 간 데이터 분포를 표시한다. ggplot(diamonds, aes(x = carat, y = price)) + # diamonds 데이터의 carat을 x축, price를 y축 geom_bin2d(bindwidth = c(0.5, 1000), # x축 0.5, y축 1000 단위의 사각형으로 표시 color = 'white') + # 사각형의 테두리는 흰 색 scale_fill_gradient(high = 'red', low = 'blue') # 데이터 밀도에 따라 높으면 빨간 색, 낮으면 파란 색 2) hexbin hexbin 패키지를 설치해야 한다고 error가 뜰 수 있다. install.packages('hexbin

[R] Data Visualization - Coordinate, Facet [내부링크]

library(ggplot2) ggplot(mpg, aes(x=cty, y=hwy)) + # x축과 y축 변수 지정 geom_point() + # 산포도 coord_cartesian(xlim=c(1,4), ylim=c(15,30)) # x축과 y축의 그래프 표시 범위를 정해줌 or coord_fixed(ratio=1/3) # y:x 그래프 크기 비율을 고정 + facet_grid( . ~ var1) # var1 (범주형) 변수(factor = n)에 따라 x축으로 그래프가 n개 생성 + facet_grid(var2 ~ . ) # var2 변수(factor = m)에 따라 y축으로 그래프가 m개 생성 + facet_grid(var2 ~ var1) # var2 & var1에 따라 n*m개의 그래프가 생성 ex1) ggplot(mpg, aes(x = cty, y = hwy)) + geom_point() ex2) ggplot(mpg, aes(x = cty, y = hwy)) + geom_p

[R] Data Visualization - Theme [내부링크]

install.packages('ggplot2') install.packages('ggthemes') library(ggplot2) library(ggthemes) theme을 설정하는 두 가지 방법. ggplot로 그래프 만들기 전에 theme_set으로 앞으로 만들 그래프의 theme을 전체적으로 설정 theme_set(theme_***)) # theme_까지 치면 가능한 theme이 스크롤로 쭉 나온다. # theme_minimal, theme_dark, theme_sunset, 등등 여러가지 중 적절한 스타일 선택 2. 각각의 그래프에 theme 설정 ggplot(df, aes(x = , y = )) + geom_원하는그래프형식 + 원하는세부사항설정 + theme_*** theme_까지 입력했을 때 뜨는 스크롤 3. 'ggthemes' 패키지를 설치하면 더 많은 theme을 사용 가능하다.

미국에서 수표 사용하기, 미국 은행 시스템 [내부링크]

미국에 처음 와서, 은행에 계좌 만들러 갔을 땐 아무것도 몰라 긴장했던 기억이다. Bank of America에 가서 account open하러 왔다고 하니, 직원과 연결해줬었다. 한국에서는 은행 창구에 거의 모든 직원들이 잘 보이게 앉아계신 것과 달리, 미국에서는 창구 직원보다는, 큐빅 오피스에서 일대일로 상담해주는 직원이 많은 것같다. 아무튼. 처음에 Account를 만들 때 필요한 서류를 준비해가야 한다. 필요한 서류와 어카운트 종류 등은 이전 포스팅을 참조. https://blog.naver.com/mhsung91/221596742726 미국 Chase 은행 계좌 만들기/ 신용 점수 쌓는법 미국에 처음 와서 가장 먼저 만든 계좌는 BOA (Bank of America)였다. 거기가 잘 만들어준다는 소문을... blog.naver.com 혹시 Chase 은행에서 어카운트를 만든다면, 다음 링크를 통해 예약하고 가면 사인업 보너스를 받을 수 있다. https://accounts.

[R] grepl, grep, POSIXlt, strptime [내부링크]

pattern을 찾는 방법 grepl(pattern, text) -> True or False 의 logical output grep(pattern, text) -> text에서 pattern을 발견할 경우 그 인덱스를 알려줌 ex) Dates and Timeframes Sys.Date() => 오늘 날짜, class는 "Date" as.Date() => input을 Date class로 바꾸기 character였던 bday를 Date class로 바꾸기 %d # Date of the month (decimal number, 십진법의 정수) %m # month (decimal number) %b # month (abbreviated/약어 - Jan, Feb, Mar, ... ) %B # month (full name - January, February, March, ... ) %y # year (2 digits) %Y # year (4 digits) Date class 로 바뀌지 않

[R] dplyr [내부링크]

install.packages('dplyr') # 패키지 다운로드 library('dplyr') # dplyr 사용하기 filter(데이터, 조건1, 조건2, ...) # subset기능과 비슷함 # 만약에 []로 한다면, 데이터[데이터$행 조건 & 데이터$행 조건2 & ... ] 로 조금 더 복잡함. slice(데이터, 열) # 선택한 열의 데이터를 보여줌 arrange(데이터, 행1, 행2, desc(행3), ... ) # 행1, 행2 오름차순, 행3 내림차순으로 정렬 select(데이터, 행1, 행2, ...) # 선택한 행의 데이터를 보여줌 rename(데이터, 새 행 이름 = 기존 행 이름) # 행 이름 (변수명) 바꾸기 distinct(데이터, 행1, 행2, ...) # 선택한 행들의 데이터 중 중복값 빼고 고유값만 보여줌 mutate(데이터, 새 행 = 기존 행들의 함수) # 기존 행들의 관계로 새 행(변수)을 만듦 ex) mutate(df, diff = hightemp

[R] tidyr - gather/spread/separate/unite [내부링크]

install.packages('tidyr') library(tidyr) gather(데이터, 새로운 행이름, 새로운 행이름2, 기존 행 이름들) # 기존 행 데이터들을 풀어헤쳐 새로운 행 데이터들로 정렬 # 기존 행 이름들이 새로운 행이름 1로, 기존 행 데이터들이 새로운 행이름 2로 ex) gather(df, location, cost, emart:lottemart) # emart부터 lottemart까지의 행(변수)들이 새로운 행(변수) location의 데이터로 들어감 # emart부터 lottemart까지의 행의 데이터들이 새로운 cost의 데이터로 들어감 spread(데이터, 새로운 칼럼으로 하고싶은 행이름1, 새로운 데이터 행이름2) # gather의 반대방향. 다시 되돌리기 ex) spread(df2, location, cost) # location 데이터가 새로운 칼럼(행, 변수)가 되고, cost가 그 새로운 데이터가 됨. separate(data = 데이터, co

뉴욕 맨하탄 병원에서 2+년간 일했던 소감 [내부링크]

코비드 때 텅 빈 타임스퀘어, 전광판에는 의료진을 향한 땡큐 광고 오랜만에 블로그의 예전 간호 관련한 글들을 읽어 보자니, 참으로 다사다난했던 시간이었다 싶다. 특히 한국에서는 더욱 그러했던 것같다. 한국의 모교 대학병원 SICU에서 신규로써의 3년은 참으로 길고도 긴 시간, 아무것도 모르던 나를 중환자실 간호사로 만들어 준 시간이었다. 아직도 연락하고 지내는 선생님들이 있어 생각하면 고향같은 곳이다. 아프리카에 다녀온 이후 잠깐 일했던 동네 (대학)병원에서의 3개월은 도대체 내가 거기서 왜 버티고 일을 했나 아직도 이해가 안 될 만큼, 미국에 오기 전 한국 간호 현실의 나쁜 면을 더욱 집중적으로 보라는 뜻이었나 싶을 만큼, 이상하고 부조리한 점, 무식하고 무지한 점, 구시대적이고 불평등한 문화/태도 등 부정적인 면만 잔뜩 보고 무척이나 마음 속 갈등이 많았던 시간이었다. 처음 미국에 와서, 에이전시 간호사로 일했던 롱아일랜드 병원. SICU, MICU, CCU, Burn unit(

미국 병원 간호사 스케줄과 고용 형태 [내부링크]

일단, 스케줄. 한국에서는 무조건 3교대 (day - evening - night shift)를 돌아가며 했다. 3교대니 한 쉬프트는 8시간 정도다. 일찍 출근하고 늦게 퇴근하는 것은 병동마다 달랐다. 특수파트의 좋은 점은, 인계시간이 짧다는 것. 그래서 출근은 늦게, 퇴근은 일찍 하는 편이었다. 오프는 병원마다, 유닛마다, 상황마다 다르지만, 내 모교 병원은 9-12개 정도였다. 노조가 있어서 나이트 뒤에는 꼭 이틀 오프를 주게끔 되어 있었다. 그래서 스케줄은 보통 DDD off EE off NNN off off off EEE 뭐 이런 식이었다. 휴가는 연차 순대로 원하는 날을 골라서 갔던 듯하다. 미국에서는 보통 12시간 근무다. 주 40시간이 full-time 기준이니 주 3-4회 일하면 된다. 우리 병원의 경우엔, 매주 3일씩 일하고 한 달에 한 주만 4일 일하는 것으로 했다. 또 미국에선 교대근무를 하지 않고 하나의 쉬프트만 쭉 하는 곳이 많다. 데이면 데이, 나이트면 나이

미국 간호사 근무형태별 특징과 혜택 [내부링크]

미국에는 per-diem이니, part time이니, overtime이니 하는 다양한 근무형태가 있다. 같은 병동에 일하는 간호사여도, 소속이 병원일 수도 있고 에이전시일 수도 있다. 한국에서는 정규직, 계약직 정도만 구분하지 풀 타임 일하는지 파트타임 일하는지는 별로 선택권이 없었는데, 이런 선택권들이 병원 운영과 간호사의 근무를 훨씬 유연하게 도와주는 것 같다. 실제로 미국에서는 은퇴할 나이까지 일하는 간호사들이 한국에 비해 훨씬 많다. 일하는 간호사들의 만족도가 높은 것은 둘째치고 말이다. 꼭 정규직으로 근무하지 않더라도, 자기가 원하는 만큼 하루나 이틀만 일하면서 다른 일을 겸할 수 있다는 것이 장점이다. 그래서 학업과 병행하는 간호사도 많다. 거꾸로, 정규직으로 일하면서 추가로 며칠 더 일을 해서 돈을 버는 사람들도 있다. 간호사들의 근무 형태가 다양하니, 병원 입장에서도 간호사:환자 비율을 유지하는데 더 도움이 된다. 정규직 간호사들이 경조사나 개인 사정으로 일을 나올 수

9월 첫째주, 한국 명절의 느낌 [내부링크]

미국에서 살다보니 명절에 대한 별 생각이 없이 계절이 지나가는 듯하다. 한국에서는 설날, 추석을 기점으로 무언가를 생각하고, 계획하고, 쉬고 또 먹고(!) 했는데, 미국에 와서는 한국 명절도, 미국 명절도 그다지 크게 인식되지 않고 그저 매일이 매일처럼 지나간다. 그래도 '아, 추석이네' 정도의 생각은 한다. 추석이란 단어를 떠올렸을 때 내 마음속에 떠오르는 이미지들은 참 따뜻한 것들이라 감사하다. 높은 가을하늘, 따뜻한 햇살, 아침저녁으로 기분좋게 쌀쌀함, 익어가는 과일들, 가족들과 나눠먹는 차례상, 외갓집에 가면 시끌벅적 기분 좋은 이야기들, 먹고, 쉬고, 또 먹고, 놀고, 자고 해도 원래 그러라고 있는 명절이니 죄책감따위는 없는. 설날의 느낌은 조금 다르다. 조금 더 긴장되는 느낌이라고나 할까? 새해를 맞이하며 떡국을 먹고, 무언가 새로이 결심을 다잡는 날이라 생각해서 그런 것같다. 날이 춥고 짧아서 더욱 그런 것 같기도 하고. 아무튼, 저번 주말에는 남자친구 부모님 댁에 내려

중재 전 사정, 사전조사의 중요성 [내부링크]

[2018년 카페에 썼던 글] https://cafe.naver.com/usanurses/658 중재 전 사정의 중요성 오늘은 사진을 먼저 보여드리고~ '중재 전 사정의 중요성'을 다시금 느낀 일화를 말씀드릴게요.참, 옷들이 다들 화려하죠? 저 프린트 천을 'Chitenze'라고 합니다. 옷으... cafe.naver.com 오늘은 사진을 먼저 보여드리고~ '중재 전 사정의 중요성'을 다시금 느낀 일화를 말씀드릴게요. 참, 옷들이 다들 화려하죠? 저 프린트 천을 'Chitenze'라고 합니다. 옷으로 재단해서 만들어 입기도 하지만, 그냥 둘둘 감아 치마처럼, 때로 담요처럼, 돗자리로, 포대기로, 가방으로 용도가 넘나 다양한 생활 용품입니다. 건물... 건물을 보세요. 여긴 건물이 다 이렇습니다. 벽돌을 쌓아 회반죽칠하고, 천장에 슬레이트 얹으면 끝. 전기 시설, 수도 시설 이런거 걱정할 필요가 없는게 애초에 없으니까요... 책걸상이 없으니 바닥에 그냥 앉는게 당연하고... 조명이나

탄자니아 빅토리아 폭포, 나미비아 국립공원 [내부링크]

때는 2018년 5월. 긴 주말을 맞아 탄자니아 빅토리아 폭포에 갔었다. 함께 일하는 동료들과... 참 즐거운 추억이었다. 작은 공항을 거치고 거쳐 프로펠러 비행기까지 타고 갔다. 도착한 첫 날 저녁, 잠베지 강의 노을 다음날 아침, 본격 폭포 투어. 톤으로 쏟아지는 물에 정말이지 놀랐다. 이런 폭포가 좌우 몇 킬로에 걸쳐 있다고 생각하면 된다. 우리가 갔던 때가 우기 끝이라 물이 더 많았다. 저 판초가 얼마나 도움이 되었던지 ㅎㅎ 저 다리에서 떨어지는 번지 점프도 있다. 절대 못한다, 나는 빅토리아 폭포와 그 주변은 탄자니아, 짐바브웨, 나미비아 세 국가의 경계선에 있다. 국경을 넘나들며 폭포를 구경하고, 마지막에는 나미비아 국립공원에 투어를 갔다. 국립공원 투어는 말라위, 남아공 등 여러 곳에서 했지만 각 장소마다 특징과 분위기가 모두 달라 매번 놀라곤 했다. 배도 타고, 지프도 타며 국립공원 여기 저기를 구경한다. 강에서 수영하고 돌아가던 코끼리 가족 물마시는 물소 다시 보니

[Python] Pandas Dataframe [내부링크]

Dataframe Class : 표 형식으로 된 데이터 불러오기 import numpy as np import pandas as pd data = pd.read_csv("xxx.csv", index_col="번호", encoding="uft-8") #파일 불러오기, 인덱스/인코딩설정 ** Encoding 한글 파일을 그대로 불러오기 할 경우 한글이 깨지는 경우는 encoding이 달라서 그렇다. cp949, ms949, euc-kr 등이 많이 사용되는데 파이썬은 utf-8 기준이다. 파일을 그대로 열어서 한글이 깨져 보인다면 다른 인코딩으로 시도해본다. 어떻게 해도 안된다면 csv 파일을 엑셀이나 메모장으로 열어서 다른 이름으로 저장할 때, CSV UTF-8 형식으로 지정하고 다시 파이썬에서 열어본다. ** csv, Excel, HTML, SQL 파일을 불러오기 위해서 필요한 라이브러리들 sqlalchemy lxml html5lib BeautifulSoup4 데이터 넣기 from n

[R] Matrix [내부링크]

matrix(1:12, byrow = FALSE, nrow = 4) => 1에서 12까지 4열X3행, 행별로 배열 (byrow 없는 디폴트는 열별) days <- c('Mon', 'Tue', 'Wed', 'Thu', 'Fri') temp1 <- c(16, 18, 19, 22, 17) temp2 <- c(34, 32, 33, 29, 30) temp <- c(temp1, temp2) # 이러면 temp1, 2의 모든 데이터가 한 줄로 정렬 temp.matrix <- matrix(temp, byrow=T, nrow=2) # 한 줄이던 temp를 열 두개의 표에 열별로 데이터 정리 => 16 18 19 22 17 34 32 33 29 30 rownames(temp.matrix) <- c('temp1', 'temp2') colnames(temp.matrix) <- days => Mon Tue Wed Thu Fri temp1 16 18 19 22 17 temp2 34 32 33 29 30 co

[R] Data Frames [내부링크]

data frame도 matrix와 같이 사각형의 2차원 데이터를 가지지만, 한 가지 다른 점은 서로 다른 클래스의 데이터를 가질 수 있다는 점이다. 즉, matrix는 한 가지 클래스의 데이터만 가질 수 있지만, data frame은 여러 가지 클래스가 가능하다는 것. head(state.x77) # state.x77이라는 빌트인 데이터프레임의 첫 7행만 보여줌 tail(mycars, 5) # mtcars라는 빌트인 데이터프레임의 마지막 5행을 보여줌 str(mtcars) # 데이터프레임의 structure - 변수, 관측값, 데이터클래스 summary(state.x77) # 각 행별 데이터 요약 - 아래와 같이 # numeric일 경우 (최소값, 25%, 중간값, 평균, 75%, 최대값) # charactor일 경우 (length, 빈도수) # logical일 경우 (True/False/NA 빈도수) ex) days <- c('Mon', 'Tue', 'Wed', 'Thu', 'F

[R] If, else, else if, while, for loops [내부링크]

If 함수 if (x==10) { print('x is equal to 10') } else if (x == 12){ print('x is equal to 12') } else{ print('x is not equal to 10 or 12') } While 함수로 loop 만들기 x <- 0 # x 는 0에서 시작 while (x <10){ # x가 10보다 작을때 print (paste('x is: ', x)) # "x is: "와 x값을 이어서 출력 (paste 함수) x <- x+1 # x 에 1을 더해주고 다시 while 함수로 돌아감(loop) } # 처음의 조건문 (X<10) 을 만족하지 못할때 끝 paste0 -> 사이 간격없이 출력 paste(x, y, sep = "/") -> seperator를 지정 For loop vec <- c(1,2,3,4,5) # vec 라는 벡터 for (var in vec) { # vec안의 변수들에 대하여(var은 임시명, 뭐로든 바꿔도

[R] seq, sample, sort, rev, append, is, as [내부링크]

seq(starting point, endpoint, by= ) # 시퀀스 만들기 0부터 30까지 4씩 증가하는 시퀀스 sample(x, size) # x안에서 size만큼의 데이터 샘플링 sort(vector, decreasing=T of F) # 정렬하기 벡터를 알파벳 내림차순으로 정렬 rev(vector) # 반대 순서로 정렬하기 반대 순서로 정렬 append(v1, v2) # merge, 벡터나 리스트 모두에 가능 is.xxx # 데이터 타입 확인 as.xxx # 데이터 타입 바꾼 것처럼 보여주기 (실제로 바꾸는 것은 아님)

[R] apply, function, anonymous function [내부링크]

apply 먼저, apply 기능 중의 sapply에 대해 알아보자. sapply(variable, function) 의 형식으로 첫번째 인풋 variable에 대하여 두번째 인풋 함수를 적용한 결과를 벡터값으로 돌려주는 것이다. 예를 들어, sapply(cost, mean) 이라면 cost라는 데이터의 평균값을 돌려준다. 비슷한 것으로 결과를 리스트로 돌려주는 lapply도 있다. sapply와 결과는 같은데 결과값 구조만 다르다. 기본값인 apply 함수는 apply(x, margin, function) 의 형식으로 첫번째 인풋 x에 대하여 margin이 1 일 경우 열별, margin이 2 일 경우 행별, 세 번째 인풋 함수를 적용한다. apply(cost, 2, sum) 이라면 cost라는 데이터의 행별 총 합을 구하는 것이다. 함수 정의하기 - 새로운 커스텀 함수를 만들고 싶을 때 name_of_func <- function(inputs){ # code 정의하기 } ex)

말라위 NGO 현장 [내부링크]

[2018년 카페에 썼던 글] https://cafe.naver.com/usanurses/427 말라위를 소개합니다 안녕하세요? 성민현입니다.지난 번 인사드렸듯, 저는 지금 아프리카 말라위의 한 연구기반 NGO에서 일하고 있습니다.오늘은 말라위에 대해서 소개해드리려고 하는데요~혹시 김수지 ... cafe.naver.com 안녕하세요? 지난 번 인사드렸듯, 저는 지금 아프리카 말라위의 한 연구기반 NGO에서 일하고 있습니다. 오늘은 말라위에 대해서 소개해드리려고 하는데요~ 혹시 김수지 박사님이라고, 들어보셨나요? 한국인 최초로 국제간호대상과 나이팅게일 기장을 수상하신 분이죠. 그 분께서 돌아가시기 직전까지 간호대학 학장으로, 몸바쳐 일하셨던 곳이 바로 이 곳, 말라위입니다. 저는 그 재단/병원은 아니고, 협력 관계에 있는 다른 재단에서 일하고 있어요. 지금 말라위에는 각국의 NGO들이 상당히 많이 파견되어 있습니다. 한국 NGO도 물론 많이 있어요. 말라위는 세계 최빈국 중 하나입니다

그럼에도 불구하고 연구사업을 해야 하는 이유 [내부링크]

[2018년 카페에 썼던 글] https://cafe.naver.com/usanurses/634 그럼에도 불구하고 연구 사업을 해야 하는 이유 지난 2주간은 정말 정신없이 바빴습니다 ㅠㅠ저희가 코이카에서 펀딩을 받아 모자보건 사업을 진행하는데요, 그에 따른 회계 행정 업무들이 있거든요.코이카 측 회계사가 작년 회계를... cafe.naver.com 지난 2주간은 정말 정신없이 바빴습니다 ㅠㅠ 저희가 코이카에서 펀딩을 받아 모자보건 사업을 진행하는데요, 그에 따른 회계 행정 업무들이 있거든요. 코이카 측 회계사가 작년 회계를 결산하면서, 보충이 필요한 부분을 소명해달라 요청이 왔어요. 회계 작업하고, 주말에 빅토리아 폭포에 놀러갔습니다 (ㅎㅎ;) 평소에 매 주말마다 일을 한다고는 볼 수 없지만, 그래도 손을 다 놓아버린 다음에는 주중에 정신없이 바쁘게 되더라구요 ㅠㅠ 해서 2주간 정신없었습니다. 황선생님의 '그럼에도 불구하고 공적 원조를 해야 하는 이유'를 보고 감명받아 오늘은 저도

[미국 신용카드 추천] 아멕스 힐튼 - 나의 첫 신용카드 [내부링크]

내가 미국에 와서 가장 먼저 만든 신용카드가 바로 아메리칸 익스프레스의 힐튼 카드이다. 이유는?? 바로 아멕스가 크레딧이 낮을 때 가장 만만하게 도전할 수 있다고 판단했기 때문이다. 나는 2019년 2월 말에 미국에 왔다. 3월 초에 SSN과 Bank account & Secured card를 만들었다. 은행 계좌/ 카드 만드는 방법이 궁금하다면, 이전 게시글 참조 https://blog.naver.com/mhsung91/221596742726 미국 Chase 은행 계좌 만들기/ 신용 점수 쌓는법 미국에 처음 와서 가장 먼저 만든 계좌는 BOA (Bank of America)였다. 거기가 잘 만들어준다는 소문을... blog.naver.com 그리고 몇 달 간 신용점수가 아주 천천히 그러나 꾸준히 올라가는 것을 지켜보았다. Secured card와 Debit card만 쓰면서. 그러다 여름쯤 되었을 때, 신용카드를 만들 때가 됐다고 생각. Chase 은행의 Sapphire Prefe

[미국 신용카드 추천] Amex Platinum [내부링크]

미국에 온 지 어언 3년이 넘었다. 처음에는 SSN 만들고, 은행 어카운트 열고, 크레딧 쌓는 모든 일들이 매우 어렵고 힘들게 느껴졌었다. 하지만 지금은 신용카드 여러 개, 은행도 여러 개 사용하며 편리하게 생활하는 중이다. 그 동안 여러 군데에서 여러 가지 정보를 접했고, 내 나름대로 잘 사용 중인 신용카드들을 추천해보고자 한다. 가장 먼저 추천하고 싶은 것은 아메리칸 익스프레스의 Platinum 카드. 몇 년 전에는 삼성카드에서도 발급했었지만 지금은 불가능하다 들었다. 아멕스 계열 중에 가장 연회비가 쎈 카드 중 하나지만, 그만큼 혜택이 아주 좋아서 만족 중이다. 제일 좋은 점은 바로 여행에 특화되어 있다는 점이겠다. 아멕스 트레블 홈페이지를 통해 비행기 티켓이나 호텔을 예약할 수 있는데, 그렇게 하면 포인트가 5배 쌓인다. 연간 호텔 크레딧 200불과, 에어라인 크레딧 200불을 준다. 또한 해외 사용시 수수료가 없고, 보험 혜택을 받을 수 있고, 비행기 딜레이나 화물 손상/분